Protein‐metal ion interactions, stoichiometries and relative affinities determined by on‐line size exclusion gel filtration mass spectrometry
Notice bibliographique
Résumé
The modulation of metal ions on protein function is well recognized and of paramount importance in protein biochemistry. To date, very few methods allow direct determination of protein-metal ion interactions, as well as exact stoichiometric binding ratios. In this work we demonstrate the usefulness of two on-line size exclusion gel filtration mass spectrometry approaches to directly detect protein-metal ion adducts, as well as determine exact protein-metal ion stoichiometries. We show that on-line size exclusion column chromatography (SEC) and rapid in-line desalting (RILED) coupled to microelectrospray mass spectrometry (microESI-MS) can be used for such analyses. The SEC approach can be effectively used to both separate proteins in a complex mixture and exchange buffers prior to the electrospray process. While RILED does not allow for protein separation, it provides a much faster high-throughput desalting procedure than the conventional SEC technique. Specifically, we show that SEC/microESI-MS and RILED/MS can be used to determine calcium ion binding stoichiometries to a high-affinity, metal ion binding protein, calbindin D(28K). Furthermore, the same approaches can also be used to determine metal ion binding stoichiometries of low-affinity metal-binding proteins such as Spo0F.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».